| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 课题的研究现状及分析 | 第10-15页 |
| 1.2.1 系统辨识发展现状与主要内容 | 第10-11页 |
| 1.2.2 梯度类辨识算法 | 第11-15页 |
| 1.3 本文主要研究内容 | 第15-17页 |
| 第2章 输出误差模型的梯度辨识算法 | 第17-43页 |
| 2.1 OE模型的基本结构 | 第17-19页 |
| 2.2 OE模型的随机梯度辨识算法和多新息随机梯度辨识算法 | 第19-21页 |
| 2.3 加权随机梯度辨识算法 | 第21-24页 |
| 2.3.1 OE模型的加权随机梯度辨识算法 | 第21-22页 |
| 2.3.2 OE模型的加权多新息随机梯度辨识算法 | 第22-23页 |
| 2.3.3 OE模型的基于最新估计的加权多新息随机梯度辨识算法 | 第23-24页 |
| 2.4 加权多新息随机梯度辨识算法的收敛性证明 | 第24-31页 |
| 2.5 基于最新估计的加权多新息随机梯度辨识算法的收敛性证明 | 第31-36页 |
| 2.6 仿真实例 | 第36-41页 |
| 2.7 本章小结 | 第41-43页 |
| 第3章 输出误差自回归模型的梯度辨识算法 | 第43-58页 |
| 3.1 OEAR模型的基本结构 | 第43-46页 |
| 3.2 OEAR模型的随机梯度辨识算法和多新息随机梯度辨识算法 | 第46-47页 |
| 3.3 加权随机梯度辨识算法 | 第47-51页 |
| 3.3.1 OEAR模型的加权随机梯度辨识算法 | 第47-48页 |
| 3.3.2 OEAR模型的加权多新息随机梯度辨识算法 | 第48-49页 |
| 3.3.3 OEAR模型的基于最新估计的加权多新息随机梯度辨识算法 | 第49-51页 |
| 3.4 仿真实例 | 第51-57页 |
| 3.5 本章小结 | 第57-58页 |
| 第4章 输出误差滑动平均模型的梯度辨识算法 | 第58-73页 |
| 4.1 OEMA模型的基本结构 | 第58-61页 |
| 4.2 OEMA模型的随机梯度辨识算法和多新息随机梯度辨识算法 | 第61-62页 |
| 4.3 加权随机梯度辨识算法 | 第62-66页 |
| 4.3.1 OEMA模型的加权随机梯度辨识算法 | 第62-63页 |
| 4.3.2 OEMA模型的加权多新息随机梯度辨识算法 | 第63-64页 |
| 4.3.3 OEMA模型的基于最新估计的加权多新息随机梯度辨识算法 | 第64-66页 |
| 4.4 仿真实例 | 第66-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第5章 输出误差自回归滑动平均模型的梯度辨识算法 | 第73-89页 |
| 5.1 OEARMA模型的基本结构 | 第73-76页 |
| 5.2 OEARMA模型的随机梯度辨识算法和多新息随机梯度辨识算法 | 第76-77页 |
| 5.3 加权随机梯算法度辨识 | 第77-81页 |
| 5.3.1 OEARMA模型的加权随机梯度辨识算法 | 第78-79页 |
| 5.3.2 OEARMA模型的加权多新息随机梯度辨识算法 | 第79-80页 |
| 5.3.3 OEARMA模型的基于最新估计的加权多新息随机梯度辨识算法 | 第80-81页 |
| 5.4 仿真实例 | 第81-87页 |
| 5.5 本章小结 | 第87-89页 |
| 结论 | 第89-91页 |
| 参考文献 | 第91-95页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第95-97页 |
| 致谢 | 第97-98页 |
